Documento descargado de http://www.elsevier.

es el 25-02-2017

ISSN: 1697-7912. Vol. 6, Nm. 2, Abril 2009, pp. 5-16 http://www.revista-riai.org

Estabilidad de Sistemas No Lineales Basada en la

Teora de Liapunov
Francisco Gordillo

Escuela Superior de Ingenieros, Camino de los Descubrimientos s/n,
41092, Sevilla, Espa n a (e-mail: gordillo@esi.us.es)

Resumen: El comportamiento dinamico de los sistemas no lineales es mucho mas rico que el de los
lineales y su analisis mucho mas complicado. Para el analisis de estabilidad, las tecnicas basadas
en la teora de Liapunov tienen un lugar destacado. En este artculo se revisa parte de esta teora
incluyendo las tecnicas de estimacion de la cuenca de atraccion. Tambien se repasan los resultados
que han aparecido en los u ltimos anos sobre la aplicacion a este campo de los metodos numericos de
optimizacion de suma de cuadrados. Copyright  c 2009 CEA.

Palabras Clave: Estabilidad de Liapunov, analisis de estabilidad, cuenca de atraccion, analisis

numerico, problemas de optimizacion.

1. INTRODUCCION
La estabilidad es el primer objetivo del ingeniero de control. Sin
la estabilidad, el resto de especicaciones (rapidez del transito-
rio, oscilaciones reducidas, rechazo de perturbaciones, robus-
tez, etc.) carecen de sentido. Para el caso de sistemas lineales
el concepto de estabilidad es claro, su condicion necesaria y
suciente es bien conocida (parte real negativa de todos los
polos de la funcion de transferencia o de los autovalores de
la matriz de transicion de estados) y existen criterios sencillos
que permiten analizarla (como los bien conocidos criterios de
Routh-Hurwitz y de Nyquist). Sin embargo, en sistemas no
lineales el panorama es totalmente distinto: existen diversas
deniciones de estabilidad en realidad es preciso hablar de
la estabilidad de puntos de equilibrio o de otro tipo de con-
juntos y no de estabilidad del sistema y la mayora de los
criterios conocidos proporcionan condiciones sucientes pero
no necesarias y, ademas, no suelen ser metodos sistematicos
como pueden ser los criterios mencionados en sistemas lineales.
Entre las teoras que permiten el analisis de estabilidad de
sistemas no lineales, la teora basada en Liapunov tiene un lugar
destacado por la riqueza en la descripcion de los diversos con-
ceptos de estabilidad y los metodos de analisis de estabilidad
que establecen condiciones sucientes.
Alexander Mikhailovitch Liapunov publico su tesis doctoral
en 1892 (Lyapunov, 1892) 1 donde introdujo sus famosas de-
niciones de estabilidad y criterios para su analisis. Mas de
un siglo despues es sorprendente el numero de publicaciones
que aparecen practicamente todos los meses en las revistas
relacionadas con el control automatico (Axelby y Parks, 1992).
En realidad, el metodo directo de Liapunov permanecio des-
conocido para los cientcos e ingenieros fuera de Rusia hasta
practicamente 1960. En este ano se publico el artculo seminal
(Kalman y Bertram, 1960); ademas la celebracion del primer
congreso mundial de la IFAC en Moscu facilito la difusion de
esta teora por el mundo occidental. Desde entonces ha habido
una enorme produccion cientca en este campo, apareciendo
nuevos conceptos de estabilidad relacionados con las denicio-
1 Publicada en ingles en (Lyapunov, 1992).
nes originales de Liapunov y se han desarrollado nuevos meto-
dos de analisis inspirados en las mismas ideas. Los resultados
no se han limitado al analisis de estabilidad sino que tambien
se ha desarrollado un campo de aplicacion de estas tecnicas en
el diseno de sistemas de control no lineal. El lector interesado
en los detalles historicos puede consultar (Shcherbakov, 1992;
Fuller, 1992; Michel, 1996).
Una de las multiples diferencias entre la estabilidad de los
sistemas lineales y los no lineales es que en estos u ltimos puede
tener un caracter local. En estos casos existe un conjunto de
puntos alrededor del punto de equilibrio tales que si el sistema
comienza en uno de estos puntos, la evolucion del mismo tiende
al equilibrio; sin embargo, si el sistema comienza en un punto
fuera de este conjunto, la trayectoria divergira hacia el innito
o hacia otro atractor. Por ejemplo, en el control de sistemas
inestables, si la senal de control esta saturada (lo que siempre
sucede en la practica) la estabilidad no puede ser global sino
solamente local.
La determinacion de la cuenca de atraccion es muy importante
en el analisis: esta region dene la zona de operacion segura.
Si el sistema se sale de ella, no podra volver al punto de opera-
cion deseado. Un ejemplo de este fenomeno fue el desastre de
Chernobil (Stein, 2003). La determinacion exacta de la cuen-
ca de atraccion solamente es posible en casos muy sencillos.
Normalmente es necesario conformarse con la estimacion de
la misma, entendiendo por tal el calculo de un subconjunto de
la cuenca de atraccion. De esta forma se tienen garantas de
que si el sistema comienza en esa region estimada, evolucio-
nara hacia el equilibrio deseado. Existen diversas tecnicas para
la estimacion de la cuenca de atraccion, algunas de las cuales
se revisan en la seccion 3. Aparte de la dicultad del calculo,
un inconveniente de estas tecnicas es su conservadurismo ya
que el conjunto estimado suele ser mucho mas pequeno que la
verdadera cuenca de atraccion.
En los u ltimos anos ha aparecido una nueva tecnica de optimi-
zacion numerica que tiene aplicaciones tanto para el analisis de
estabilidad basado en Liapunov como para la estimacion de la
cuenca de atraccion, principalmente para sistemas polinomia-
les. Se trata de la optimizacion de suma de cuadrados (Choi et
Documento descargado de http://www.elsevier.es el 25-02-2017
6 Estabilidad de Sistemas No Lineales Basada en la Teora de Liapunov
al., 1995; Powers y Wormann, 1998; Parrilo, 2000; Prajna et al.,
2005). Estas aplicaciones tambien se revisan en este artculo.
En la seccion 2 se hace una breve revision de los resultados
de analisis estabilidad basados en la teora de Liapunov. Sin
embargo, dada la vasta literatura que hay al respecto, sera
imposible cubrir todos ellos por lo que la revision se limita a los
mas relevantes. El lector interesado puede consultar libros es-
pecializados en el tema (Hahn, 1967; Vidyasagar, 1993; Sastry,
1999; Khalil, 2002; Martynyuk, 2007; Haddad y Chellaboina,
2008) y las referencias que e stos contienen. Se van a considerar
exclusivamente sistemas en tiempo continuo. Quedan fuera del
a mbito de este artculo otro tipo de tecnicas no basadas directa-
mente en Liapunov as como las tecnicas basadas en Liapunov
para el diseno de sistemas de control. La seccion 3 trata de los
metodos de estimacion de la cuenca de atraccion mientras que
la 4 se dedica a las aplicaciones de la optimizacion de suma de
cuadrados en analisis de estabilidad y estimacion de la cuenca
de atraccion.
2. ESTABILIDAD DE SISTEMAS DIN AMICOS
2.1 Sistemas invariantes en el tiempo
En esta seccion se consideran sistemas modelados por la ecua-
cion 2
x = f (x) (1)
donde x D Rn . Se supone, ademas que el sistema tiene un
equilibrio en x = 0, es decir, f (0) = 0. Este es el equilibrio
del que se pretende analizar la estabilidad. En los casos en
los el equilibrio de interes no este en el origen, mediante un
cambio de coordenadas (una simple traslacion) es posible llevar
el equilibrio al origen.
En (1) la funcion f no depende del tiempo ni aparece ninguna
senal de control. Esto quiere decir que, o bien se pretende
analizar la estabilidad de un sistema sobre el que no se puede
actuar, o que en el caso de sistemas de control x = f (x, u)
donde u es la senal de control, el sistema ya contiene un con-
trolador u = u(x) y que la ecuacion resultante en bucle cerrado
es (1). En este u ltimo caso la referencia debe ser constante
(posiblemente nula) para que no aparezca el tiempo en f (x).
Desde este punto de vista, se puede decir que en el campo
del control automatico el caso de regulacion, con referencia
constante, se corresponde con el de sistemas invariantes en el
tiempo, mientras que el de seguimiento de referencias variables
corresponde a un caso variante en el tiempo.
Deniciones Se van a exponer diversos conceptos de estabili-
dad que son ampliamente conocidos pero que, por completitud,
son incluidos aqu. No obstante, dado el caracter de tutorial de
este artculo, se hacen algunos comentarios de tipo didactico
para el lector no iniciado.
Denicion 1. Estabilidad en el sentido de Liapunov
Se dice que el equilibrio x = 0 del sistema (1) es (localmente)
estable en el sentido de Liapunov, o simplemente estable,
cuando para cada > 0 existe un valor de > 0 (posiblemente
dependiente de ) tal que
x(0) < x(t) < , t 0. (2)
2 Para no distraer la atencion del lector no iniciado se omiten aqu algunos
tecnicismos matematicos como las hipotesis necesarias para garantizar la
existencia y unicidad de soluciones.
x(0)
Figura 1. Estabilidad en el sentido de Liapunov
En lenguaje coloquial exento de rigor, esta denicion se puede
interpretar como que si la condicion inicial esta sucientemente
cerca del equilibrio, la trayectoria no se aleja demasiado del
mismo. En realidad la denicion va mas alla de esta inter-
pretacion ya que establece que si se especica cuanto, , se
puede alejar la trayectoria del equilibrio, existe una distancia
maxima, , de la condicion inicial al equilibrio que garantiza
el cumplimiento de esa especicacion. La gura 1 ilustra el
signicado de esta denicion. En ella se observa en el plano
una trayectoria que parte dentro del crculo de radio y no sale
del crculo de radio (si el sistema es estable esta trayectoria
no debe salir de este crculo por mucho que avance el tiempo
ni ninguna otra trayectoria que parta del crculo de radio ).
Como ejemplo de equilibrio estable en el sentido de Liapunov
se suele dar la posicion inferior (en reposo) de un pendulo
simple en ausencia de friccion. En este caso si partimos de una
posicion sucientemente cerca de la posicion inferior con una
velocidad sucientemente baja, se cumple que el pendulo no
se aleja demasiado de esa posicion. Observese que al ser un
caso sin friccion el pendulo nunca se detiene y, por tanto, la
trayectoria no tiende al equilibrio. Como se ve, el concepto de
estabilidad en el sentido de Liapunov es bastante laxo y poco
exigente.
Un equilibrio que no es estable en el sentido de Liapunov
se dice que es inestable. Notese que el que un equilibrio
sea inestable no implica necesariamente que las trayectorias
tiendan a innito. Simplemente que se alejan del equilibrio,
pudiendo tender a otros equilibrios o a otro tipo de atractores
(como ciclos lmites, atractores casi-periodicos o atractores
caoticos).
Entre los tipos de inestabilidad conviene resaltar, por su peligro-
sidad, la posibilidad de tiempo de escape nito. En los sistemas
que presentan este tipo de inestabilidad existen trayectorias
que tienden a innito cuando el tiempo se acerca a un valor
nito determinado. En otras palabras, la graca temporal de la
respuesta presenta una asntota vertical. Como ejemplo de este
fenomeno, considerese el sistema x = x 2 con x(0) = x0 . La
sencillez del mismo permite integrar la ecuacion analticamente
resultando
1
x(t) = 1
x0 t
que tiende a innito cuando t tiende a x10 . En la Fig. 2 se presen-
ta una de estas trayectorias en la que se observa la asntota ver-
tical. Matematicamente hablando, la solucion no esta denida
en todo t 0 y, por tanto, este tipo de inestabilidad solamente
Documento descargado de http://www.elsevier.es el 25-02-2017
F. Gordillo
se puede dar cuando se incumplen los criterios de existencia de
soluciones a los que se aludio en la nota 2.
10
9
8
7
6
x
4 asintoticamente estable si es estable en el sentido de Liapunov
3 y ademas se tiene que para todo x(0) R n se cumple que
2 lmt x(t) = 0.
1 Denicion 5. Estabilidad exponencial global
0
0 2 4
t
6 8 10
Figura 2. Ejemplo de trayectoria con tiempo de escape nito.
Denicion 2. Estabilidad asintotica
Se dice que el equilibrio x = 0 del sistema (1) es asintoticamen-
te estable si es (localmente) estable en el sentido de Liapunov y
ademas existe un valor de > 0 tal que
x(0) < lm x(t) = 0. (3)
t
Como se puede observar el concepto de estabilidad asintotica
reduce la laxitud del de estabilidad en el sentido de Liapunov
imponiendo que las trayectorias nalmente converjan hacia
el equilibrio. Continuando con el ejemplo del pendulo, en
ausencia de friccion el equilibrio correspondiente a la posicion
inferior no es asintoticamente estable pero s lo es si existe
friccion, de manera que el pendulo nalmente se detiene en esta
posicion.
Es importante recalcar que no basta con la condicion (3) para
que el equilibrio sea asintoticamente estable sino que es nece-
sario que se cumpla la condicion de estabilidad en el sentido de
om y Furuta
Liaupunov. As, la conocida ley de control de Astr
om y Furuta, 2000) para el pendulo simple invertido hace
(Astr
que la posicion superior cumpla (3) pero este equilibrio no
es estable: a pesar de que la ley consigue levantar el pendulo
(realizar el swing-up) y acercarlo a la posicion superior, cual-
quier perturbacion hara que el pendulo vuelva a caer. En ese
caso la ley de control volvera a llevar el pendulo a la posicion
deseada (quizas tras una o varias revoluciones completas) pero
este comportamiento no cumple (2) y por tanto el equilibrio
no es estable en el sentido de Liapunov (y por consiguiente,
tampoco es asintoticamente estable). Se dice que este equilibrio
es atractivo.
Denicion 3. Estabilidad exponencial
Se dice que el equilibrio x = 0 del sistema (1) es exponen-
cialmente estable si existen constantes positivas , y tales
que
x(0) < x(t) x(0)et , t 0. (4) existen escalares , , > 0 y p 1 tales que
Claramente el concepto de estabilidad exponencial implica es-
tabilidad asintotica; lo contrario no es cierto. La estabilidad ex-
ponencial es la propiedad deseada cuando se desea especicar
la velocidad del transitorio.
Las deniciones anteriores son deniciones locales. En las con-
diciones de tipo se puede elegir arbitrariamente pequeno.
7
Esto signica que, en los conceptos de estabilidad anteriores, el
caracter de estable o no depende exclusivamente de las trayec-
torias cuyas condiciones iniciales estan arbitrariamente cerca
del equilibrio x = 0. Existes conceptos globales de estabilidad
como son los siguientes (en estos casos el dominio de denicion
de D debe ser Rn ).
Denicion 4. Estabilidad asintotica global
Se dice que el equilibrio x = 0 del sistema (1) es global y
Se dice que el equilibrio x = 0 del sistema (1) es global y
exponencialmente estable si existen constantes positivas y
tales que x(t) x(0)et , t 0 para todo x(0) R n .
Existen bastante mas deniciones de estabilidad. Entre ellas, el
concepto de estabilidad parcial hace referencia al caso en el que
solamente interesa el comportamiento de algunas de las compo-
nentes del vector de estados; por otro lado, se tiene estabilidad
asintotica casi global cuando la condicion lm t x(t) = 0 se
cumple para las trayectorias que parten de todas las condicio-
nes iniciales excepto para un conjunto de medida cero. No se
debe confundir con la estabilidad semi-global (en realidad es
mas apropiado hablar de estabilizacion semi-global) que hace
referencia a cuando a la hora de controlar un sistema no lineal
solamente se puede conseguir estabilidad local pero con un
dominio de atraccion tan grande como se desee. Otro concepto
importante, la estabilidad entrada-estado, se discutira en la sec-
cion 2.3. El lector interesado en consultar las deniciones de
estabilidad de conjuntos puede hacerlo en (Haddad y Chella-
boina, 2008). Otras nociones de estabilidad se pueden encontrar
en (Martynyuk, 2000; Haddad y Chellaboina, 2008).
Metodo directo de Liapunov El resultado fundamental de
Liapunov es el siguiente teorema que dene el denominado
metodo directo de Liapunov 3
Teorema 1. Considerese el sistema (1) y supongase que existe
una funcion continuamente diferenciable V : D R tal que
V (0) = 0
V (x) > 0, x D, x = 0,
V
V (x) = f (x) 0, x D.
x
Entonces, el equilibrio x = 0 es estable en el sentido de
Liapunov. Si ademas se cumple
V
V (x) = f (x) < 0, x D, x = 0
x
el equilibrio x = 0 es asintoticamente estable. Esta estabilidad
sera global si D = Rn y, ademas, la funcion V es radialmente
no acotada, es decir, lm x V (x) = . Finalmente is
xp V (x) xp , x D,
V
V (x) = f (x) V (x), x D,
x
3 El calicativo directo se utiliza para diferenciarlo del primer metodo
o metodo indirecto de Liapunov que permite analizar la estabilidad de un
equilibrio a partir de la estabilidad de la linealizacion del sistema alrededor
de ese punto.
Documento descargado de http://www.elsevier.es el 25-02-2017
8 Estabilidad de Sistemas No Lineales Basada en la Teora de Liapunov
entonces el equilibrio x = 0 es exponencialmente estable. Esta
estabilidad sera global si D = R n y, ademas, la funcion V es
radialmente no acotada.
Como se ve, el teorema de Liapunov proporciona condiciones
sucientes para determinar la estabilidad, pero no son necesa-
rias. Ademas es necesario encontrar la funcion de Liapunov.
Por el hecho de que una candidata a funcion de Liapunov no
cumpla las condiciones del teorema, no se puede inferir que
el equilibrio x = 0 no sea estable. De hecho, este es uno
de los mayores inconvenientes del metodo de Liapunov: no
propone candidatas a funciones de Liapunov. No existe una
forma sistematica de encontrar funciones de Liapunov (Khalil,
2002). Sin embargo, existen metodos que proporcionan o bien
funciones de Liapunov para un sistema dado, o bien candida-
tas que normalmente necesitan comprobaciones posteriores. La
mayora de ellos requieren resolver ecuaciones en derivadas
parciales o realizar procesos de tipo prueba y error. As, en
el metodo del gradiente variable (Hahn, 1967; Slotine y Li,
1991) se asume una estructura para el gradiente de la funcion
de Liapunov, se le imponen las condiciones de que V < 0 y
despues por integracion es posible en muchos casos llegar a
la funcion de Liapunov. El metodo de Krasovskii (Krasovskii,
1959) es una generalizacion, al caso no lineal, de la ecuacion
que aparece al imponer en sistemas lineales V < 0 con V
cuadratica. El metodo de Zubov (Zubov, 1964) no solo permite
encontrar funciones de Liapunov sino que tambien caracteriza
la cuenca de atraccion como se discutira en la seccion 3. Otro
metodo es el de energa-Casimir (Wan et al., 1993) basado en la
existencia de invariantes dinamicos o integrales del movimiento
denominados funciones de Casimir. A partir de ellas y bajo
ciertas condiciones se obtiene una expresion para la funcion de
Liapunov. El problema de este metodo es que para obtener las
funciones de Casimir es necesario, una vez mas, resolver ecua-
ciones en derivadas parciales aunque a veces se pueden obtener
por consideraciones fsicas del sistema analizado. En realidad
este metodo ya fue utilizado en (Routh, 1882). Recientemente
ha aparecido la tecnica de optimizacion de suma de cuadrados
como se describe en la seccion 4.
Principio de invariancia de LaSalle En este apartado se
va a enunciar el conocido en la literatura occidental como
principio de invariancia de LaSalle. Debe hacerse notar que
este resultado que en realidad se trata de un teorema fue
enunciado por primera vez por Barbashin y Krasovskii en
1952 (Barbashin y Krasovskii, 1952), mientras que LaSalle lo
redescubrio en 1960 (LaSalle, 1960). Por ello, en algunos textos
aparece referenciado como Teorema de Barbashin-Krasovskii-
LaSalle.
Teorema 2. Sea el sistema dinamico (1) y supongase que existe
un conjunto D c compacto y positivamente invariante 4 con
respecto al mismo. Supongase que existe una funcion V :
Dc R tal que V 0 a lo largo de las trayectorias del
sistema. Sea R = {x Dc : V = 0} y sea M el maximo
conjunto invariante contenido en R. Entonces si x(0) D c se
tiene que x(t) M cuando t .
Este teorema es de gran importancia en el analisis de estabilidad
de sistemas dinamicos. Por una lado, permite demostrar la
estabilidad asintotica en casos en los que se tiene V 0.
4 Un conjunto es positivamente invariante con respecto a un sistema dado,
cuando se cumple que si la condicion inicial pertenece al conjunto, la trayecto-
ria correspondiente para t > 0 esta incluida en el conjunto.
Ademas, como se vera en la seccion 3, permite encontrar
estimaciones de cuencas de atraccion mayores que con la
aplicacion del metodo directo de Liapunov. Por otro lado,
este teorema permite analizar la estabilidad de conjuntos
tales como ciclos lmite y no solamente la de equilibrios. Por
u ltimo, observese ademas que no se impone que V sea denida
positiva.
En (Khalil, 2002) se muestra que, en el ejemplo del pendulo en
presencia de friccion, si se utiliza la energa mecanica como
candidata a funcion de Liapunov, se tiene que V 0 y,
por tanto, se demuestra estabilidad en el sentido de Liapunov
pero no estabilidad asintotica; para demostrar esto u ltimo se
puede elegir otra funcion de Liapunov distinta de la energa o,
como procedimiento alternativo mucho mas sencillo, utilizar el
principio de invariancia de LaSalle.
Como ejemplo de analisis de la estabilidad de ciclos lmite
considerese el siguiente sistema (Slotine y Li, 1991; Aracil et
al., 2005)
x 1 = x2 ,
(5)
x 2 = x1 kx2 (x21 + x22 ),
con , k > 0. Es inmediato ver que este sistema tiene un
equilibrio en el origen. Se puede comprobar que se trata de
un equilibrio inestable. Considerese la siguiente candidata a
funcion de Liapunov
1
V (x1 , x2 ) = (x21 + x22 )2 .
4
Se tiene que
V = (x1 x 1 + x2 x 2 )(x21 + x22 )
= kx22 (x21 + x22 )2 0.
Para aplicar el principio de invariancia de LaSalle, observese
que para c > y dado que V 0, el conjunto D c =
{(x1 , x2 ) R2 : x21 + x22 = c} es invariante. El conjunto
de puntos en los que V = 0 es R = {(x1 , x2 ) Dc : x2 =
0 o x21 + x22 = }. El u nico conjunto invariante con x 2 = 0 es
el origen (que, como se ha dicho, es inestable), mientras que la
circunferencia x 21 + x22 = es invariante (puesto que V = 0
en ella). Por tanto, el principio de LaSalle garantiza que toda
trayectoria que comienza en D c excepto en el origen tiende a
esta circunferencia. Como en este circunferencia no hay puntos
de equilibrio se deduce que es un ciclo lmite.
Version moderna del teorema de Liapunov Como ya se ha
comentado los resultados iniciales de Liapunov han se han
extendido desde la segunda mitad del siglo XX a otras situa-
ciones. Para muchos de estos casos se utilizan las denominadas
funciones de comparacion (comparison functions) que, incluso,
permiten plantear el metodo de Liapunov desde una nueva
perspectiva. Se denen a continuacion tres tipos de funciones
de comparacion.
Denicion 6. Funcion de clase K
Una funcion continua : [0, a) [0, ) es de clase K si es
estrictamente creciente y (0) = 0.
Como se puede ver se trata de una denicion muy sencilla. Su
utilidad en la teora de estabilidad de Liapunov se debe a que
cualquier funcion (r) de clase K obviamente cumple que 1)
cuanto menor sea r menor es (r); 2) cuanto menor es (r)
menor es r; 3) lmr0 (r) = 0 y 4) lmv0 1 (v) = 0
(donde 1 representa la funcion inversa de ).
Documento descargado de http://www.elsevier.es el 25-02-2017

F. Gordillo 9

Denicion 7. Funcion de clase K Se supone que el origen es un equilibrio en todo instante,

f (0, t) = 0; t 0. El resultado fundamental de Liapunov (teo-
Una funcion continua : [0, ) [0, ) es de clase K si rema 1) se puede extender a este caso con la u nica diferencia
es estrictamente creciente, (0) = 0 y lm r (r) = . de que la funcion de Liapunov puede convenir que dependa
Denicion 8. Funcion de clase KL del tiempo V (x, t) y su derivada respecto del tiempo debe ser
Una funcion continua : [0, a) [0, ) [0, ) es de clase calculada como V V
x f (x) + t . Otro aspecto importante es que
KL si por cada s jo la funcion en los sistemas variantes en el tiempo se pueden denir nuevos
conceptos de estabilidad que se introducen en la siguiente de-
: [0, a) [0, ) nicion junto con la extension de los conceptos de estabilidad de
sistemas invariantes en el tiempo.
r
(r, s)
Denicion 9. El equilibrio x = 0 de (6) es
es de clase K y, ademas por cada r jo la funcion
Estable si, por cada > 0 existe un valor de = (, t 0 )
: [0, ) [0, ) tal que
x(t0 ) < x(t) < , t t0 0. (7)
s
(r, s)
Uniformemente estable si, por cada > 0 existe un valor
es decreciente y lms (s) = 0. de = () independientemente de t 0 tal que se satisface
Un ejemplo de funcion de clase KL es la funcion (r, s) = (7).
reas con a > 0. Inestable si no es estable.
Asintoticamente estable si es estable y existe un valor de
En la literatura especializada (Isidori, 1999) se pueden encon- = (t0 ) tal que
trar diversas propiedades de estas funciones como, por ejemplo, x(t0 ) < lm x(t) = 0.
que la suma de dos funciones de clase K es tambien de clase K. t
Uniforme y asintoticamente estable si es uniformemente
Con estas deniciones se puede re-escribir el teorema de Lia- estable y existe un valor de > 0 tal que
punov de la siguiente forma 5 (Isidori, 1999):
x(t0 ) < lm x(t) = 0 uniformemente en t 0 ,
Teorema 3. Sea V : Bd R una funcion de clase C 1 tal t
que, para ciertas funciones de clase K, 1 (), 2 () denidas es decir, por cada > 0 existe T = T () > 0 tal que
en [0, d), x(t) < , t t0 + T (), x(t0 ) < .
1 (x) V (x) 2 (x)
Global, uniforme y asintoticamente estable si es unifor-
Si memente estable y lm t x(t) = 0 uniformemente en
V t0 y x0 .
f (x) 0 x < d,
x
el equilibrio x = 0 es estable. La diferencia entre estabilidad y estabilidad uniforme es que la
Si, para una funcion 3 () de clase K, denida en [0, d), segunda evita que el equilibrio se haga menos estable con el
V paso del tiempo. As, se impide que se tenga que tomar mas
f (x) 3 (x) x < d, pequeno a medida que el tiempo avanza.
x
el equilibrio x = 0 es asintoticamente estable. Para sistemas variantes en el tiempo no existe una extension
Si d = y 1 , 2 son de clase K , el equilibrio x = 0 directa del principio de invariancia de LaSalle excepto en casos
es global y asintoticamente estable. concretos, como cuando f (x, t) es periodica en t (Krasovskii,
1959; Sastry, 1999). Otras generalizaciones de este principio se
Esta formulacion tiene ventajas respecto a la original y permite pueden consultar en (Sastry, 1999).
obtener nuevos resultados como el que se vera mas adelante
sobre estabilidad ISS. Aqu, por ejemplo, se puede ver que
2.3 Estabilidad entrada-estado (ISS)
con esta formulacion se puede determinar la funcion () de
la condicion (2); en concreto = 1 1
2 (1 ()), siendo 2 la Hasta ahora se ha tratado exclusivamente la estabilidad en sis-
funcion inversa de 2 . Esto es debido a que las bola de radio temas de la forma (1) o (6) en los que no aparecen senales ex-
1
1 (c) contiene la supercie de nivel V (x) = c mientras ternas. Sin embargo, tambien es interesante analizar el compor-
que la bola de radio 1 2 (c) est
a contenida en el conjunto tamiento, desde el punto de vista de la estabilidad, de sistemas
{x Rn : V (x) c}. con este tipo de senales
Tambien se ha generalizado el concepto de funcion de Liapunov x = f (x, u, t) (8)
al caso de funciones de Liapunov vectoriales y matriciales. nu
donde u R representa las senales externas que pueden
El lector interesado puede encontrar una vision general en ser perturbaciones o senales de control. En sistemas lineales
(Martynyuk, 2007). con senales externas estan muy estudiadas las condiciones de
estabilidad. En sistemas no lineales no esta tan claro ni siquiera
2.2 Sistemas variantes en el tiempo el concepto de estabilidad. Cuando se trabaja con senales de
salida ademas de entrada se puede hablar, entre otros conceptos,
En este apartado se va a tratar sucintamente el caso de sistemas de estabilidad entrada acotadasalida acotada (BIBO por sus
de la forma iniciales en ingles) y estabilidad L. Tratando con descripcion
x = f (x, t). (6) en variables de estado, un concepto aparecido en 1989 (Sontag,
5 Se va a usar la notaci
on Bd como la bola abierta de radio d, es decir 1989) parece imponerse en los u ltimos anos debido a la riqueza
Bd = {x Rn : x < d}. con que se describe la estabilidad y a los resultados a los que se
Documento descargado de http://www.elsevier.es el 25-02-2017
10
puede llegar a partir de e l (Sontag, 1995). Se trata del concepto
de estabilidad entrada-estado o ISS (por las iniciales en ingles).
El objetivo es poder establecer cotas sobre la norma de x(t)
cuando u(t) es acotada. El concepto de ISS viene inspirado por
el concepto de estabilidad de sistemas lineales:
x = Ax + Bu.
Supongase que el sistema es estable, es decir, A es Hurwitz.
Como es bien conocido la respuesta de este sistema es
 t
At
x(t) = e x(0) + eA(t ) Bu( )d.
0 0 t
At
Como e  ke t
siendo < 0 el maximo autovalor de
A, se tiene que
 t
x(t) ket x(0) + ke(t ) Bu( )d
0 como ganancia del sistema.
kB
ket x(0) + sup u( ) . (9)
   0 t
clase KL    que ademas existen resultados potentes que permiten deducir si
clase K
En esta u ltima expresion se ha resaltado que la funcion
ket x(0) es de clase KL cuando se toman x(0) y t como
variables independientes y que la funcion kB
sup0 t u( )
es de clase K si se considera como variable independiente
sup0 t u( ). Estas dos caractersticas son muy importan-
tes desde el punto de vista de la estabilidad. Observese que el
primer sumando de (9) esta relacionado con la respuesta libre
del sistema (ante una condicion inicial x(0)) y que el segundo
sumando esta relacionado con la respuestas forzada (ante una
entrada u(t)). Por tanto, lo anterior se puede decir con otras
palabras como:
La respuesta libre de un sistema lineal estable esta acota-
da. Su cota depende del tiempo de manera que tiende a
cero exponencialmente a medida que el tiempo tiende a
innito. Ademas si se considera un instante de tiempo jo
y se vara la condicion inicial, la cota disminuye a medida
que disminuye la norma de la condicion inicial; cuando la
norma de la condicion inicial tiende a cero, la cota tambien
tiende a cero.
La respuesta forzada de un sistema lineal estable esta aco-
tada si su entrada esta acotada. Su cota disminuye si dis-
minuye el supremo de la norma de la entrada y tiende a
cero si el supremo de la norma de la entrada as lo hace.
Estas propiedades se pueden entender que deben ser carac-
tersticas de cualquier sistema (lineal o no) para considerarlo
estable. La denicion de ISS que se va a ver mas adelante
incluye estas propiedades.
Recuerdese que en un sistema lineal la estabilidad solamente
depende de la matriz de transicion A y no depende de la
matriz B. Sin embargo, en los sistemas no lineales el estudio
se complica. As en los sistemas de tipo afn x = f (x) + g(x)u
la estabilidad no solo depende de f (x) sino tambien de g(x).
Para comprobarlo, considerese el sistema
x = x + x2 u.
El origen de este sistema es global y asintoticamente estable
si se supone u = 0. Esto no implica que el sistema posea las
caractersticas anteriores cuando u = 0. As, si se considera
Estabilidad de Sistemas No Lineales Basada en la Teora de Liapunov
x(0) = 2 y u(t) 1, la trayectoria del sistema es x(t) =
1/(1 0,5et ) que no es acotada (de hecho, presenta tiempo de
escape nito para t = ln 2).
La denicion de estabilidad ISS obliga precisamente a cumplir
algo similar a (9) pero para el caso de sistemas no lineales.
Denicion 10. Estabilidad ISS 6
El sistema (8) es estable entrada-estado (ISS) si existe una
funcion de clase KL y una funcion de clase K tales
que, para cualquier condicion inicial x(0) y cualquier entrada
acotada u(t),
 
x(t) (x(0), t) + sup u( ) .
Como es inmediato deducir la estabilidad ISS implica estabili-
dad BIBO y ademas para u 0 implica que el origen es global
y asintoticamente estable. La funcion tiene un interpretacion
El e xito del concepto de estabilidad ISS no solo radica en la
riqueza de la informacion sobre el sistema que conlleva sino
un sistema es ISS.
Teorema 4. Sea V : [0, ) Rn R un funcion de clase C 1
tal que
1 (x) V (t, x) 2 (x)
V V
+ f (t, x, u) W3 (x), x (u) > 0
t x
(t, x, u), donde 1 , 2 son de clase K , es de clase K y
W3 (x) es continua y denida positiva.
Entonces el sistema x = f (t, x, u) es estable entrada-estado
con = 1
1 2 .
Como ejemplo de aplicacion considerese el siguiente sistema
(Khalil, 2002)
x = x3 + u.
Evidentemente el origen de este sistema es global y asintoti-
camente estable para u 0. Considerese como candidata a
funcion de Liapunov V = x 2 /2. Entonces se tiene que
V = x4 + xu = (1 )x4 x4 + xu
 1/3
|u|
(1 )x4 , |x| ,
donde se ha elegido tal que 0 < < 1. Entonces el sistema es
ISS. Ademas, dado que se puede tomar 1 (r) = 2 (r) = r2 /2
se tiene que (r) = (r) = (r/)1/3 .
A continuacion, a modo de ejemplo, se muestra un resultado
que ilustra la potencia del concepto de estabilidad ISS. Sea el
sistema en cascada
x 1 = f1 (x1 , x2 ) (10)
x 2 = f2 (x2 ) (11)
Con f1 : Rn1 Rn2 Rn1 y f2 : Rn2 Rn2 .
Supongase que los sistemas x 1 = f1 (x1 , 0) y x 2 = f2 (x2 )
tienen en el origen un equilibrio global y asintoticamente es-
table. Nos podemos preguntar bajo que condiciones el origen
6 Existe tambien una version local (Khalil, 1996), denominada a veces estabi-
lidad ISS con restricciones.
Documento descargado de http://www.elsevier.es el 25-02-2017
F. Gordillo
del sistema completo tambien sera global y asintoticamente
estable. Una condicion suciente la aporta el siguiente teorema
(Khalil, 1996)
Teorema 5. Si el sistema (10) considerando x 2 como su entrada
es ISS y el origen de (11) es global y asintoticamente estable,
entonces el origen del sistema completo es global y asintotica-
mente estable.
Tambien existen resultados que utilizan el concepto de estabi-
lidad ISS para el diseno de controladores como por ejemplo
(Kaliora, 2002) donde se extiende una ley de control disenada
para un subsistema al sistema completo. La idea es que si el
subsistema es ISS se puede anadir una perturbacion pequena
a la ley de control original sin que se deteriore demasiado el
control del subsistema; la perturbacion se utiliza para controlar
el resto del sistema. Esta idea se utiliza en (Aracil y Gordillo,
2005) para extender una ley de control para el pendulo invertido
de manera que se pare tambien el soporte del mismo.
2.4 Estabilidad de sistemas especiales
Sistemas hbridos En los sistemas hbridos (Liberzon, 2003)
el estudio de la estabilidad tiene peculiaridades. Un primer
hecho a tener en cuenta es que un sistema compuesto de varios
subsistemas estables (con una ley de conmutacion entre ellos)
no es necesariamente estable (Liberzon y Morse, 1999). Desde
el punto de vista de la teora de Liapunov, el que todos los sub-
sistemas tengan funcion de Liapunov no garantiza la estabilidad
del conjunto. Es facil ver que una condicion suciente aunque
muy conservadora es que todos los subsistemas posean la mis-
ma funcion de Liapunov. En (Narendra y Balakrishnan, 1994)
se proponen metodos constructivos para encontrar un funcion
de Liapunov cuadratica comun. Otro enfoque (Johansson y
Rantzer, 1998) consiste en calcular una funcion cuadratica para
cada subsistema de manera que en las fronteras las funciones
tenga el mismo valor y as la funcion union de estas funcio-
nes sea continua y, por tanto, sera una funcion de Liapunov
(cuadratica a tramos). Este problema es convexo y se puede
formular como un problema de optimizacion LMI. Tambien
es posible tratar el problema de analisis de estabilidad de un
sistema hbrido con la consideracion de multiples funciones de
Liapunov (Peleties y DeCarlo, 1992). En este caso, la ausencia
de continuidad obliga a asegurar que en cada conmutacion el
valor al que llega la funcion de Liapunov en la nueva region,
debe ser menor que el valor que tena esta funcion la u ltima vez
que el sistema salio de esa misma region.
Un problema relacionado es el determinacion de las polticas de
conmutacion que hacen estable un sistema hbrido dado. Para
profundizar sobre este tema, as como otras cuestiones sobre
la estabilidad de sistemas hbridos el lector interesado puede
consultar (Liberzon y Morse, 1999; Davrazos y Koussoulas,
2001) y las referencias que contienen.
Sistemas borrosos y neuronales El analisis de estabilidad de
sistemas borrosos y neuronales ha recibido gran atencion en
la literatura. En realidad, estos sistemas estan englobados por
la clase (1) pero suelen dar lugar a expresiones complicadas
(no siempre de forma explcita) de la funcion f y, ademas, es
posible aprovechar las caractersticas especcas de este tipo de
sistemas para el analisis de estabilidad. Ademas de tecnicas no
basadas en Liapunov (Cuesta et al., 1999; Espada y Barreiro,
1999; Aracil y Gordillo, 2000) existen tambien resultados de
tipo Liapunov especcos para los sistemas borrosos y neuro-
11
nales. Algunas de estas tecnicas tienen cierta similitud con la de
sistemas hbridos. As, por ejemplo en (Tanaka y Sugeno, 1992;
Wong et al., 2000) se trata el caso de la funcion de Liapunov
comun para el caso sistemas borrosos y en (Salam, 1988; Forti
y Tesi, 1995) para redes de neuronas. El uso de funciones de
Liapunov cuadraticas a tramos aparece en (Johansson et al.,
1999). El lector interesado en los resultados sobre estabilidad
de sistemas borrosos y redes de neuronas puede consultar res-
pectivamente (Aracil y Gordillo, 2000; Feng, 2006) y (Cao y
Wang, 2005) y las referencias que contienen.
DE LA CUENCA DE ATRACCION
3. ESTIMACION
En los casos en los que la estabilidad no tiene caracter global
(o, al menos, no se puede demostrar) es interesante estimar la
cuenca de atraccion que se dene como
= x D : x(0) = x lm x(t) = 0 .
t
Es decir, la cuenca de atraccion es el conjunto de condiciones
iniciales cuyas correspondientes trayectorias tienden al equili-
brio x = 0. Desgraciadamente, no existe ningun procedimiento
general y sistematico de calcular este conjunto que, por otro
lado, puede tener una forma muy complicada (Furuta, 2003).
Por tanto, normalmente es necesario conformarse con una es-
timacion de la cuenca de atraccion, entendiendo por tal un
conjunto incluido en la misma. Es decir, se desea encontrar un
conjunto e tal que e . De esta forma si el sistema parte
de un punto de e se tendra garanta de un comportamiento
seguro no se saldra de la cuenca de atraccion que nalmente
convergera al equilibrio deseado. Por supuesto, cuanto mayor
sea e se tendra una estimacion mas u til. Si e es muy pequeno
comparado con se dice que la estimacion es muy conserva-
dora.
3.1 Estimacio n basada en Liapunov
El teorema de Liapunov se puede utilizar para realizar estima-
ciones de la cuenca de atraccion. La condicion V 0 implica
que la supercies de nivel no se pueden cruzar hacia afuera
es decir, en el sentido de crecimiento de V por lo que estas
supercies son u tiles para intentar delimitar conjuntos invarian-
tes. Sin embargo, este proceso requiere un poco de precaucion.
Por un lado estas supercies de nivel no deben abrirse en el
sentido de que deben ser acotadas, no deben tender a innito
ya que si as lo hicieran las trayectorias podran tender a innito
sin cruzar supercies de nivel hacia fuera (Fig. 3-a). Por otro la-
do, si D es el conjunto donde se cumple la condicion V 0, se
debe cumplir que toda la supercie de nivel c debe estar con-
tenida en D puesto que en caso contrario las trayectorias podran
salir de c (Fig. 3-b). Estas condiciones se pueden interpretar
por medio del principio de invariancia de LaSalle que requiere
que el conjunto D c sea compacto e invariante. Con el anterior
procedimiento se esta usando D c = {x Rn : V <= c}
siendo c > 0 el valor que toma V en la supercie de nivel. Es
evidente que si las supercies de nivel se abren hacia el innito
se esta violando la condicion de que D c sea compacto. Por otro
lado, como ya se ha comentado, el conjunto D c es invariante si
esta contenido en D y, por tanto, se tiene que V 0. Observese
que la condicion de que V sea radialmente no acotada para
garantizar estabilidad global en el Teorema 1 garantiza que las
supercies de nivel se cierran.
Documento descargado de http://www.elsevier.es el 25-02-2017

12 Estabilidad de Sistemas No Lineales Basada en la Teora de Liapunov

Una vez mas, un inconveniente grave de este metodo es que
es necesario encontrar una funcion de Liapunov. Otro inconve-
niente es que la estimacion de la cuenca de atraccion puede ser
muy conservadora ya que, por un lado en la cuenca de atraccion
completa no tiene por que cumplirse necesariamente V 0
para la funcion V que se haya elegido y, por otro lado, con
este metodo la frontera de la estimacion tiene necesariamente
la forma de las supercies de nivel. As, en la Fig. 4 se puede
ver un ejemplo en el que la estimacion c es mucho menor que
el conjunto D donde V 0 que, a su vez, es menor que la
verdadera cuenca de atraccion .
Esta idea se puede explotar mediante metodos numericos (Rod-
den, 1964). En (Davison y Kurak, 1971) se propone un metodo
que busca la funcion de Liapunov cuadratica que maximiza el
volumen de la estimacion.
3
2 sombreada pertenece a la cuenca de atraccion resultando en una
1 el ejemplo citado.
x2
anterior como se puede ver en el ejemplo 8.10 de (Khalil, 2002,
pags. 320-322). En este ejemplo de dimension 2 se obtiene
la region Dc donde V 0 limitada por dos rectas (Fig. 5).
La estimacion proporcionada por la maxima curva de nivel
se marca como c en esta gura. Sin embargo estudiando la
evolucion del sistema a lo largo de las rectas que limitan D c se
ve que la recta superior (inferior) no se puede atravesar hacia
fuera para x2 4 (x2 4). Para encontrar un conjunto
compacto e invariante basta cerrar esta banda por las curvas
de nivel de Liapunov que pasan por estos puntos ya que estos
tramos de las curvas de nivel (marcados como 1 y 2 en la Fig.
5) estan dentro de la region donde V 0. Por tanto, se tiene que
la region sombreada de la gura es compacta, invariante y en
su interior V 0. Por el principio de invariancia de LaSalle se
tiene que las trayectorias tienden al maximo conjunto invariante
tal que V = 0. En este ejemplo se puede ver que el u nico
punto con V = 0 es el origen por lo que se deduce que el a rea
mejor estimacion que c . Para mas detalles se debe consultar

0
5
Dc x2
4
1
2
3

2
2

3
2 1 0 1 2
1 c
x1
0
(a) x1
1
D

c 1
4

5
5 4 3 2 1 0 1 2 3 4 5

Figura 5. Ejemplo de estimacion de la cuenca de atraccion

mediante el principio de LaSalle.

(b) Existen otros procedimientos para estimar la cuenca de atrac-

Figura 3. Problemas asociados a las curvas de nivel abiertas (a)
y no incluidas en D (b).
M
c vasta literatura sobre metodos numericos. El mismo Zubov
Figura 4. Estimacion de la cuenca de atraccion basada en
Liapunov.
El teorema de LaSalle se puede utilizar en un sentido mas
amplio para mejorar la estimacion dada por el procedimiento
cion. El teorema de Zubov (Zubov, 1955, 1962, 1964) es la
base de muchos de ellos. En e l se establece que las funciones
de Liapunov deben cumplir:
V = (x)(1 V (x)), (12)
donde es un funcion arbitraria denida positiva. Entonces
V (x) = 1 dene la frontera de la estimacion de la cuenca de
atraccion. Por desgracia (12) no admite soluciones analticas
mas que en algunos casos sencillos. Sin embargo, existe una
propone un metodo para buscar soluciones de (12) basado en
el desarrollo en serie de la funcion de Liapunov. Margolis y
Vogt (1963) fueron unos de los primeros en utilizar este tipo
de metodos para resolver el problema utilizando el teorema de
Zubov en sistemas de segundo orden. En (Loparo y Blankens-
hip, 1978) se propone un procedimiento basado en el desarrollo
en serie de Volterra de las soluciones de la ecuacion diferencial
del sistema. Otros metodos basados en el teorema de Zubov
aparecen citados en (Genesio et al., 1985).
El metodo de la inversi o n de las trayectorias (trajectory re-
versing) se propone en (Genesio et al., 1985). Este metodo se
basa en integrar numericamente el sistema x = f (x) que
Documento descargado de http://www.elsevier.es el 25-02-2017
F. Gordillo
se obtiene sustituyendo t pot t en (1). Si se parte de una
condicion inicial con garantas de pertenencia a la cuenca de
atraccion, la trayectoria correspondiente esta compuesta por
puntos que tambien pertenecen a ella. Mediante la adecuada
eleccion de estas condiciones iniciales, junto a consideraciones
de tipo topologico, los autores llegan a buenas estimaciones en
sistemas de segundo e, incluso, tercer orden. Para dimensiones
mayores se aconseja la utilizacion del metodo para mejorar las
estimaciones ya conocidas.
DE
4. RESULTADOS BASADOS EN LA OPTIMIZACI ON
SUMA DE CUADRADOS
En los u ltimos anos se han desarrollado tecnicas de optimiza-
cion numerica de problemas denominados de suma de cuadra-
dos (Choi et al., 1995; Powers y Wormann, 1998; Parrilo, 2000;
Prajna et al., 2005) que, entre otras aplicaciones, proporcionan
metodos tanto de obtencion de funciones de Liapunov como de
estimacion de cuencas de atraccion. En esta seccion se descri-
ben estas aplicaciones.
4.1 Optimizacio n de suma de cuadrados
A continuacion se describe el problema de optimizacion de
suma de cuadrados.
Un polinomio multivariable p(x 1 , x2 , . . . , xn ) p(x) es un
polinomio de suma de cuadrados (SOS, de sum of squares) si
existen polinomios f 1 (x), f2 (x), . . . , fm (x) tales que
m
13
La utilidad que ofrece la formulacion de suma de cuadradados
estriba en el hecho de que existen herramientas informaticas
ecientes que permiten resolver en un tiempo razonable este
tipo de problemas (Prajna et al., 2002). En concreto, en el
caso particular de que los polinomios p i sean constantes y los
terminos aij sean cuadraticos, se obtiene la formulacion de de-
sigualdades matriciales lineales (LMI) estandar. El caso general
se puede demostrar que se puede convertir en un problema de
programacion semidenida (Parrilo, 2000) para el que existen
herramientas ecientes (Sturm, 1999; Toh et al., 1999).
4.2 Bu squeda de funciones de Liapunov mediante optimizaci o n
SOS
En los casos de sistemas polinomiales (es decir, con f (x)
formada exclusivamente por polinomios) se puede utilizar la
potencia de los metodos de resolucion de problemas de opti-
mizacion de suma de cuadrados para analizar la estabilidad.
En este apartado se va a mostrar como se puede utilizar la
optimizacion SOS para encontrar funciones de Liapunov. Para
ello el siguiente problema permite analizar la estabilidad asnto-
tica de (1) (Papachristodoulou y Prajna, 2002, 2005). Se desea
encontrar una funcion V (x) tal que V (0) = 0 y ademas se
cumpla que
V (x) (x) es SOS (13)
V
f (x) es SOS (14)
x
n d 2j m
 donde = i=1 j=1 ij xi con j=1 ij > c, i =
p(x) = fi2 (x). 1, . . . , n con arbitrarios c > 0 y ij 0. Es facil ver que si se
i=1 cumplen estas restricciones V (x) es funcion de Liapunov. Para
Es obvio que si p(x) es SOS entonces p(x) 0 para todo valor aplicar esta idea es necesario plantear una estructura polinomial
de x. La formulacion general de problemas de optimizacion de V que cumpla V (x) = 0 y considerar los coecientes como
SOS es la que sigue: incognitas. Por tanto es necesario elegir a priori el grado de
V (x). Este enfoque permite incluso considerar restricciones de
Minimizar la funcion objetivo lineal igualdad, desigualdad y de tipo integral en el sistema.
w c
Esta tecnica se puede aplicar incluso mas alla de los sistemas
donde c es un vector de coecientes (incognitas) polinomiales. En (Papachristodoulou y Prajna, 2002) aparece
de un ejemplo con funciones trigonometricas. La idea es sencilla:

Polinomios pi (x), i = 1, . . . , N si aparecen terminos con senos y cosenos, se puede hacer el
Polinomios suma de cuadrados p i (x), i = cambio de variables z 1 = sin x1 , z2 = cos x1 e imponer la
N + 1, . . . , N restriccion z12 + z22 = 1.
con las restricciones
En (Jarvis-Wloszek, 2003; Jarvis-Wloszek et al., 2003) se trata
N
 el caso de estabilidad exponencial. Para ello se considera la
a0 j(x) + pi (x)ai j(x) = 0, j = 1, . . . , J funcion l(x) = x pp con p un entero mayor que 1. El sistema
i=1 (1) es exponencialmente estable si existe una constante c > 0 y
N
 una funcion V (x) que es suma de cuadrados con V (0) = 0 tal
a0 j(x) + pi (x)ai j(x) son SOS, que
i=1

j = J + 1, . . . , J V (x) l(x) es SOS

 
V
cV (x) + f (x) es SOS.
Tambien se pueden plantear problemas de factibilidad: no se x
pretende minimizar ninguna funcion sino encontrar valores de Este problema no es un problema de optimizacion SOS estandar
las incognitas que cumplan todas las restricciones. dado que aparecen productos de incognitas en el termino
cV (x). En las citadas referencias se propone dar valores a c
Esta clase de problemas de optimizacion es muy amplia y cubre
y proceder a una busqueda lineal.
un amplio espectro de problemas en diversas a reas. Entre ellas
se encuentran varios problemas relacionados con el analisis de Tambien existen aplicaciones de la optimizacion SOS en el
estabilidad (Parrilo, 2000) e incluso sntesis de controladores analisis de estabilidad de sistemas hbridos (Papachristodoulou
para sistemas no lineales (Jarvis-Wloszek, 2003). y Prajna, 2005).
Documento descargado de http://www.elsevier.es el 25-02-2017
14 Estabilidad de Sistemas No Lineales Basada en la Teora de Liapunov
4.3 Estimacio n de cuencas de atracci o n mediante optimizaci o n
SOS
Los metodos de optimizacion de suma de cuadrados se han
propuesto para la estimacion mediante el uso del ordenador
de cuencas de atraccion (Tibken, 2000; Parrilo, 2000; Tibken y
Dilaver, 2002). En (Parrilo, 2000) se presenta en siguiente pro-
blema de optimizacion suponiendo que ya se tiene la funcion de
Liapunov V (x). Se desea encontrar el valor de c que minimiza
c = V (x) sujeto a la restriccion
V = 0, x = 0. (15)
Dado que se ha supuesto que V es funcion del Liapunov para
el sistema, debe existir una vecindad de x = 0 tal que V 0.
Por tanto, V 0 en el conjunto c = {x Rn : V (x) c}.
Aplicando el teorema de LaSalle es claro que c esta incluido
en la cuenca de atraccion. Este problema de optimizacion
se puede escribir como un problema de optimizacion SOS
cuando el sistema es polinomial y la funcion V tambien es un
polinomio. As se desea encontrar el valor mnimo de c tal que
la expresion
(V (x) c)x22 + q(x)V (x) (16)
es suma de cuadrados. En esta expresion q(x) es cualquier
polinomio (no necesariamente SOS). Para comprobar que este
problema es equivalente a (15), observese que en los puntos
x tales que V (x) = 0 se tiene que (16) implica (V (x)
c)x22 0. Por tanto, para x = 0 se tiene V (x) c.
En (Albea y Gordillo, 2007) se utiliza la programacion de suma
de cuadrados para estimar la cuenca de atraccion cuando exis-
ten restricciones sobre la senal de control. En este caso, se parte
de la hipotesis de que en ausencia de restricciones el sistema
es globalmente estable. El problema de optimizacion emplea-
do permite encontrar una supercie de nivel de la funcion de
Liapunov tal que encierre una region donde no se violan las
restricciones. La aplicacion presentada en este trabajo es sobre
el control de un convertidor electronico de potencia. Es de notar
tambien que el sistema no es polinomial sino que aparecen tam-
bien funciones racionales que tambien pueden ser consideradas
en este enfoque. Otra particularidad de este trabajo es que el
conjunto lmite analizado no es un punto de equilibrio sino un
ciclo lmite.
Finalmente, en (Topcu et al., 2008) se combina la optimizacion
de suma de cuadrados con simulaciones basadas en metodos
aleatorios para realizar la estimacion de la cuenca de atraccion.
5. CONCLUSIONES
El analisis de estabilidad de los sistemas no lineales es un pro-
blema mucho mas complicado que en el caso lineal. El compor-
tamiento puede ser tan rico que existen multiples deniciones
de estabilidad incluso cuando nos referimos exclusivamente
a estabilidad de puntos de equilibrio. La teora de Liapunov
proporciona un marco general que permite vericar si un equi-
librio es estable segun varias de sus deniciones. Sin embargo,
se echa en falta en esta teora un procedimiento general para
construir funciones de Liapunov. Existen diversos metodos que
proporcionan o bien funciones de Liapunov o bien candidatas.
Entre los primeros han aparecido con fuerza recientemente los
basados en optimizacion de suma de cuadrados.
Un problema relacionado con el analisis de estabilidad es
el de estimacion de la cuenca de atraccion de un equilibrio
(u otros tipos de conjuntos). Este problema tiene un interes
practico para conocer las regiones del espacio de estado con
se pueden considerar de operacion segura. Sin embargo, el
conocimiento exacto de la cuenca de atraccion solamente es
posible en casos muy sencillos de dimension baja por lo que
normalmente es necesario acudir a estimaciones de la misma
que son normalmente muy conservadoras. En este artculo se
han enumerado algunas de las tecnicas basadas en la teora
de Liapunov que permiten abordar este problema, incluyendo
algunas basadas en la optimizacion por suma de cuadrados.
AGRADECIMIENTOS
El autor desea expresar su agradecimiento al profesor Javier
Aracil por sus valiosos comentarios y sugerencias. Este trabajo
ha sido nanciado por el proyecto MCYT-FEDER DPI2006
07338.
REFERENCIAS
Albea, C. y F. Gordillo (2007). Estimation of the region of
attraction for a boost DC-AC converter control law. En:
Proceedings of the 7th IFAC Simposium. Nonlinear Control
System (NOLCOS). pp. 874879.
Aracil, J., F. Gordillo y E. Ponce (2005). Stabilization of osci-
llations through backstepping in highdimensional systems.
IEEE Tr. on Automat. Control 50(5), 705710.
Aracil, J. y F. Gordillo (2005). El pendulo invertido: un desafo
para el control no lineal. Revista Iberoamericana de Au-
tomatica e Informa tica Industrial 2(2), 8 19.
Aracil, J. y Gordillo, F., Eds. (2000). Stability Issues in Fuzzy
Control. Physica-Verlag.
om, K. J. y K. Furuta (2000). Swinging up a pendulum by
Astr
energy control. Automatica 36, 287295.
Axelby, G. S. y P. C. Parks (1992). Lyapunov centenary. Auto-
matica 28(5), 863 864.
Barbashin, E. A. y N.N. Krasovskii (1952). On the stability of
motion in the large. Dokl. Akad. Nauk. 86, 453456.
Cao, J. y J. Wang (2005). Global asymptotic and robust sta-
bility of recurrent neural networks with time delays. IEEE
Transactions on Circuits and Systems I: Regular Papers
52(2), 417426.
Choi, M. D., T. Y. Lam y B. Reznick (1995). Sums of squares
of real polynomials. En: K-Theory and Algebraic Geometry:
Connections with Quadratic Forms and Division Algebras
(B. Jacob, A. Rosenberg, Eds.), Proc. Symp. Pure Math.
Vol. 58. pp. 103126.
Cuesta, F., F. Gordillo, J. Aracil y A. Ollero (1999). Global
stability analysis of a class of multivariable Takagi-Sugeno
fuzzy control systems. IEEE Trans. Fuzzy Systems 7(5), 508
520.
Davison, E. J. y E. M. Kurak (1971). A computational method
for determining quadratic Lyapunov functions for non-linear
systems. Automatica 7, 627636.
Davrazos, G. y NT Koussoulas (2001). A review of stability
results for switched and hybrid systems. En: Mediterranean
Conference on Control and Automation.
Espada, A. y A. Barreiro (1999). Robust stability of fuzzy
control systems based on conicity conditions. Automatica
35(4), 643654.
Feng, G. (2006). A survey on analysis and design of model-
based fuzzy control systems. IEEE Transactions on Fuzzy
Systems 14(5), 676697.
Documento descargado de http://www.elsevier.es el 25-02-2017
F. Gordillo
Forti, M. y A. Tesi (1995). New conditions for global stabi-
lity of neural networks with application to linear and qua-
dratic programming problems. IEEE Transactions on Cir-
cuits and Systems I: Fundamental Theory and Applications
42(7), 354366.
Fuller, A. T. (1992). Lyapunov Centenary Issue. International
Journal of Control 55(3), 521527.
Furuta, K. (2003). Control of pendulum: From super mechano-
system to human adaptive mechatronics. En: Proceedings of
the 42nd IEEE CDC. pp. 14981507.
Genesio, R., M. Tartaglia y A. Vicino (1985). On the estimation
of asymptotic stability regions: State of the art and new pro-
posals. IEEE Transactions on Automatic Control 30(8), 747
755.
Haddad, W. M. y V. Chellaboina (2008). Nonlinear dynamical
systems and control. A Lyapunov-based approach. Princeton
University Press.
Hahn, W. (1967). Stability of motion. Springer-Verlag.
Isidori, A. (1999). Nonlinear control systems II . Communica-
tions and control engineering series. Springer-Verlag.
Jarvis-Wloszek, Z., R. Feeley, W. Tan, K. Sun y A. Packard
(2003). Some controls applications of sum of squares pro-
gramming. En: 42nd IEEE Conference on Decision and Con-
trol, 2003. Proceedings. Vol. 5.
Jarvis-Wloszek, Z. W. (2003). Lyapunov based analysis and
controller synthesis for polynomial systems using sum-of-
squares optimization. PhD thesis. University of California.
Johansson, M., A. Rantzer y K. E. Arzen (1999). Piecewise
quadratic stability of fuzzy systems. IEEE Transactions on
Fuzzy Systems 7(6), 713722.
Johansson, M. y A. Rantzer (1998). Computation of piecewi-
se quadratic Lyapunov functions for hybrid systems. IEEE
transactions on automatic control 43(4), 555559.
Kaliora, Georgia (2002). Control of nonlinear systems with
bounded signals. PhD thesis. Imperial College of Sicnece,
Technology and Medicine. London.
Kalman, R. E. y J. E. Bertram (1960). Control system analysis
and design via the second method of Lyapunov. Journal of
Basic Engineering 82(2), 371393.
Khalil, H. K. (1996). Nonlinear Systems. 2 a ed. Prentice Hall.
Khalil, H. K. (2002). Nonlinear Systems. 3 a ed. Prentice Hall.
Krasovskii, N.N. (1959). Some problems of the motion stability
theory. Moscow: Fizmatgiz. Traducido al ingles por Stanford
University Press, 1963.
LaSalle, J.P. (1960). Some extensions of Liapunovs second
method. Circuit Theory, IRE Transactions on 7(4), 520527.
Liberzon, D. (2003). Switching in systems and control. Birkhau-
ser.
Liberzon, D. y A. S. Morse (1999). Basic problems in stability
and design of switched systems. IEEE control systems ma-
gazine 19(5), 5970.
Loparo, K. y G. Blankenship (1978). Estimating the domain of
attraction of nonlinear feedback systems. IEEE Transactions
on Automatic Control 23(4), 602608.
Lyapunov, A. M. (1892). El problema general de la estabilidad
del movimiento. PhD thesis. Kharkov Mathematical Society.
En ruso.
Lyapunov, A. M. (1992). The General Problem of the Stability
of Motion, 1892. International Journal of Control: Lyapunov
Centenary.
Margolis, S. y W. Vogt (1963). Control engineering applications
of V. I. Zubovs construction procedure for Lyapunov fun-
ctions. IEEE Transactions on Automatic Control 8(2), 104
15
113.
Martynyuk, A. A. (2000). A survey of some classical and
modern developments of stability theory. Nonlinear Analysis
40(1-8), 483 496.
Martynyuk, A. A. (2007). Stability of Motion. The role of Multi-
component Liapunovs Functions. Stability, Oscillations and
Optimization of Systems. Cambridge Scienc Publishers.
Michel, A.N. (1996). Stability: the common thread in the evo-
lution of feedback control. IEEE Control Systems Magazine
16(3), 5060.
Narendra, K. S. y J. Balakrishnan (1994). A common Lyapunov
function for stable LTI systems with commuting A-matrices.
IEEE Transactions on automatic control 39(12), 24692471.
Papachristodoulou, A. y S. Prajna (2002). On the construction
of Lyapunov functions using the sum of squares decompo-
sition. Decision and Control, 2002, Proceedings of the 41st
IEEE Conference on.
Papachristodoulou, A. y S. Prajna (2005). A tutorial on sum of
squares techniques for systems analysis. En: 2005 American
Control Conference. pp. 26862700.
Parrilo, P. A. (2000). Structured Semidenite Programs and
Semialgebraic Geometry Methods in Robustness and Op-
timization. PhD thesis. California Institute of Technology,
Pasadena, California.
Peleties, P. y R. DeCarlo (1992). Asymptotic stability of m-
switched systems using Lyapunov functions. En: Decision
and Control, 1992., Proceedings of the 31st IEEE Conferen-
ce on. pp. 34383439.
Powers, V. y T. Wormann (1998). An algorithm for sums of
squares of real polynomials. Journal of pure and applied
algebra 127(1), 99.
Prajna, S., A. Papachristodoulou, P. Seiler y P. A. Parrilo
(2005). SOSTOOLS and its control applications. Positive
Polynomials in Control pp. 273292.
Prajna, S., A. Papachristodoulou y P. A. Parrilo (2002). Intro-
ducing SOSTOOLS: a general purpose sum of squares pro-
gramming solver. Proceedings of the 41st IEEE Conference
on Decision and Control.
Rodden, J. J. (1964). Numerical Applications of Lyapunov
Stability Theory. En: Joint Automatic Control Conference.
pp. 261268.
Routh, E. J. (1882). The Advanced Part of a Treatise on the
Dynamics of a System of Rigid Bodies. Macmillan.
Salam, F. M. A. (1988). A formulation for the design of neural
processors. En: IEEE International Conference on Neural
Networks, 1988.. pp. 173180.
Sastry, S. (1999). Nonlinear systems: analysis, stability, and
control. Springer.
Shcherbakov, P. S. (1992). Alexander Mikhailovitch Lyapunov:
On the centenary of his doctoral dissertation on stability of
motion. Automatica 28(5), 865 871.
Slotine, J. J. E. y W. Li (1991). Applied nonlinear control.
Prentice Hall Englewood Cliffs, NJ.
Sontag, E. D. (1995). On the input-to-state stability property.
European J. Control 1, 2436.
Sontag, ED (1989). Smooth stabilization implies coprime
factorization. IEEE Transactions on Automatic Control
34(4), 435443.
Stein, G. (2003). Respect the unstable. IEEE Control Systems
Magazine 23(4), 1225.
Sturm, J. F. (1999). Using SeDuMi 1.02, a MATLAB toolbox
for optimization over symmetric cones. Optimization Met-
hods and Software 1112, 625653.
Documento descargado de http://www.elsevier.es el 25-02-2017

16 Estabilidad de Sistemas No Lineales Basada en la Teora de Liapunov

Tanaka, K. y M. Sugeno (1992). Stability analysis and design

of fuzzy control systems. Fuzzy sets and systems 45(2), 135
156.
Tibken, B. (2000). Estimation of the domain of attraction for
polynomial systems via LMIs. En: Decision and Control,
2000, Proceedings of the 39th IEEE Conference on. Vol. 4.
pp. 38603864.
Tibken, B. y K. F. Dilaver (2002). Computation of subsets of the
domain of attraction for polynomial systems. En: Decision
and Control, 2002, Proceedings of the 41st IEEE Conference
on. Vol. 3. pp. 26512656.
Toh, K. C., M. J. Todd y R. H. Tutuncu (1999). SDPT3
a Matlab software package for semidenite programming.
Optimization Methods and Software pp. 545581.
Topcu, U., A. Packard y P. Seiler (2008). Local stability analy-
sis using simulations and sum-of-squares programming. Au-
tomatica 44(10), 26692675.
Vidyasagar, M. (1993). Nonlinear sytems analysis. Prentice-
Hall.
Wan, C. J., V. T. Coppola y D. S. Bernstein (1993). A Lyapunov
function for the energy-Casimir method. En: Decision and
Control, 1993., Proceedings of the 32nd IEEE Conference
on. pp. 31223123.
Wong, L. K., F. H. F. Leung y P. K. S. Tam (2000). Stability
analysis of fuzzy control systems. En: Stability Issues in
Fuzzy Control (J. Aracil y F. Gordillo, Eds.). pp. 255284.
Physica-Verlag.
Zubov, V. I. (1955). Problems in the theory of the second
method of Lyapunov, construction of the general solution in
the domain of asymptotic stability. Prikladnaya Matematika
i Mekhanika 19, 179210.
Zubov, V. I. (1962). Mathematical methods for the study of
automatic control systems. Pergamon.
Zubov, V. I. (1964). Methods of A. M. Lyapunov and their
Application. P. Noordhoff Groningen.